toarray()函数可以转为numpy类型的数组。
LabelBinarizer类可以将上述两个步骤合并，同时通过传送sparse_output=True给LabelBinarizer类的构造函数可以获得稀疏矩阵。
自定义转换器：
这个步骤的意义在于，使用框架中的方法总不能很好的契合我们的实际需要，我们可以利用框架中的方法，通过自己定义转换器，将框架中的方法最有效的利用到我们的转换器中，这样可以节省很多时间！
先上代码，再分析:
我们首先要明白一个概念，然后再来解释为什么要这样做，这个概念是鸭子类型，不懂的小伙伴请点击链接看一下含义。
这个类是组合属性添加类，参数是基本估计器和转换估计器，这里给个链接，需要的朋友们去链接里面看一下这两个东西是啥。首先我们知道数据属性的顺序，因此可以直接预定义需要查找到每个属性的索引序号，room_ix,bedroom_ix等都是其索引序号。然后是__init__()函数，这个是构造函数，用来初始化某个需要的属性标识，默认为Ture(也就是默认是要添加的！)。定义fit()函数，将参数self、X(外部传递的参数)传递给它，同时返回的self是一个具有fit()函数处理过的结果。设置transform()函数，同样将参数传递给它。这个函数就会根据我们在构造函数中传入的参数add_bedrooms_per_room的true或者False来判断是否需要添加这个属性，如果不添加，我们就只会添加rooms_per_household与population_per_household两个属性。np.c_函数是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等。至此，类的设置就完毕了。
CombineAttributesAdder()这个就是初始化我们的类，并且给这个类提供参数，如果不填则默认需要添加add_bedrooms_per_room这个属性。最后，使用类中transform()函数，将属性添加进来得到一个新的添加了新属性的矩阵。
特征缩放：
如果数据大小存在非常明显的差异，那么有可能会导致机器学习算法性能不佳。同比例的缩放所有属性有两种常用的方法:最大最小缩放和标准化。
最大最小缩放
将值重新缩放使其最终范围归于0到1之间，实现方法是将值减去最小值并除以最大值和最小值的差。我们可以用sklearn中的MinMaxScaler的转换器，当然不想范围是0-1可以通过传递超参数feature_range进行更改。
标准化
首先减去平均值，除以方差，使得结果的分布具有单位方差。可以使用standadScaler()函数。
标准化并不会将结果绑定到一个范围中，有可能不适合某些对输入数据有要求的处理，但是它相比上一个缩放方式，受到异常值的影响更小，比如假设某地区平均收入是1000（这是一个错误数据），缩放就会将所有数据从0-15降到0-0.015，影响较大，但如果是标准化，异常值不会干扰其他正常数据。
具体使用见下面部分！
转换流水线：
sklearn有一个很好的思想就是将转换操作工厂流水线化，它有一个非常nice的类，叫做Pipeline类，这个类可以帮我们实现对数据集处理的自动化操作！
Pipeline类的构造函数会通过一系列的名称/估算器的配对来定义步骤序列。先上代码：
这一步可能会有很多童鞋报错，有的会说缺少sklearn_features的包，有的会报参数个数的错误，这里副个链接，有问题请点击这个链接。
除了导入了需要的包之外，我们首先看到定义了两个参数，一个是list类型的数值文本属性名称(
首先，要先自定义一下这个DataFrameSelector，先给出代码: